当前位置：文档库 › 引入有取向二面角散射的Freeman-Durden分解

引入有取向二面角散射的Freeman-Durden分解

第3卷第5期雷达学报Vol. 3No. 5 2014年10月Journal of Radars Oct. 2014

闫剑*①② 李洋①② 尹嫱①② 洪文①

①(中国科学院电子学研究所北京 100190)

②(中国科学院大学北京 100190)

摘要：该文首先考察了当极化SAR方位向与农作物种植行向不一致时，入射电磁波到地表、农作物的二次散射与一般二次散射的区别。其次，为描述这种二次散射，建立了有取向的二面角散射模型，并将该模型引入到Freeman-Durden目标分解中，设计了相应的目标分解算法。最后，选取同一农作物种植区两种航迹的机载全极化SAR数据实现了该分解算法。实验结果证明，对于农作物种植区，改进后的Freeman-Durden分解能提升不同航迹下的极化SAR数据目标分解的一致性。

关键词：合成孔径雷达(SAR)；极化；极化目标分解；二面角散射

中图分类号：TP753 文献标识码：A 文章编号：2095-283X(2014)05-0574-09 DOI: 10.3724/SP.J.1300.2014.14057

Freeman-Durden Decomposition with Oriented Dihedral Scattering Yan Jian①②Li Yang①②Yin Qiang①②Hong Wen①

①(Institute of Electronics, Chinese Academy of Sciences, Beijing 100190, China)

②(University of Chinese Academy of Sciences, Beijing 100190, China)

Abstract: In this paper, when the azimuth direction of polarimetric Synthetic Aperature Radars (SAR) differs from the planting direction of crops, the double bounce of the incident electromagnetic waves from the terrain surface to the growing crops is investigated and compared with the normal double bounce. Oriented dihedral scattering model is developed to explain the investigated double bounce and is introduced into the Freeman-Durden decomposition. The decomposition algorithm corresponding to the improved decomposition is then proposed. The airborne polarimetric SAR data for agricultural land covering two flight tracks are chosen to validate the algorithm;

the decomposition results show that for agricultural vegetated land, the improved Freeman-Durden decomposition has the advantage of increasing the decomposition coherency among the polarimetric SAR data along the different flight tracks.

Key words: Synthetic Aperture Radar (SAR); Polarization; Polarimetric target decomposition; Dihedral scattering

1 引言

极化目标分解(polarimetric target decom- position)是从全极化SAR数据解译地面目标散射机制的一类重要方法。极化目标分解可分为相干分解和非相干分解[1]。相干分解适用于单目标Sinclair 矩阵S，非相干分解适用于分布式目标的极化协方差矩阵C或极化相干矩阵T。常用的两种非相干目标分解方法是H-Alpha-A分解[2]和Freeman- Durden分解(以下称F-D分解)[3]。H-Alpha-A分解基于极化协方差矩阵的特征值分解，将3组特征矢量对应为3种散射机制，相应的特征值则代表3

2014-03-25收到，2014-04-08改回；2014-08-29网络优先出版NHTRDPC (2011AA120401)资助课题

*通信作者：闫剑 jian.shi.yan@https://www.wendangku.net/doc/0f7048833.html, 种散射机制在目标散射中的权重。由特征值和特征矢量可建立极化熵(H), Alpha角和各向异性度(A)3个变量，分别衡量分布式目标的随机性程度，主散射机制和各向异性度；F-D分解基于极化散射机制，将协方差矩阵C分成3项：由小扰动模型(Small Perturbation Model, SPM)[4]建立的面散射项，由地表和植被的菲涅耳系数[4]建立的二次散射项，由随机分布的偶极子簇散射建立的体散射项。

极化SAR数据敏感于目标的几何特征。对于农用地，地物目标的几何特征主要包括：地形坡度，农作物生长几何形态和农作物种植结构。关于地形坡度对极化目标分解的影响：文献[5]考虑了经过极化取向角(Polarization Orientation Angle, POA)补偿后，F-D三成分分解各分量的变化。文献[6]考虑